Réseaux de neurones/Historique

Début de la boite de navigation du chapitre
Historique
Icône de la faculté
Chapitre no 1
Leçon : Réseaux de neurones
Retour auSommaire
Chap. suiv. :Qu'est-ce qu'un neurone ?
fin de la boite de navigation du chapitre
En raison de limitations techniques, la typographie souhaitable du titre, « Réseaux de neurones : Historique
Réseaux de neurones/Historique
 », n'a pu être restituée correctement ci-dessus.


Apparition des réseaux de neurones

modifier

À l'ère de la cybernétique, l'objectif des chercheurs était de construire une machine capable de reproduire certains aspects de l’intelligence humaine. Mac Culloch et Pitts ont proposé dès 1943 les premiers neurones formels calqués sur les neurones biologiques. Les réseaux de neurones artificiels réalisés à partir du modèle biologique ne sont rien qu'une tentative de modélisation mathématique du cerveau humain. Ils sont donc conçus pour reproduire certaines de leurs caractéristiques comme :

  • la capacité d'apprentissage
  • la capacité de mémoriser l'information
  • la capacité de traiter des informations incomplètes

Les réseaux de neurones ont donc une histoire relativement jeune (60 ans) mais les applications intéressantes des réseaux de neurones n'ont vu le jour qu’il y a une trentaine d'années avec le développement de l’informatique. En effet, ce n'est que depuis le début des années 1990 que les réseaux de neurone artificiels, généralement utilisés en physique, font leur entrée en management en tant que méthode quantitative de prévisions à côté des méthodes statistiques classiques. Les réseaux de neurones artificiels sont particulièrement utilisés en finance mais également dans d'autres domaines de gestion.

Il existe deux raisons principales pour lesquelles les chercheurs en sciences de gestion se sont intéressés aux réseaux de neurones artificiels :

  • À l'inverse des méthodes statistiques classiques, les réseaux de neurones artificiels ne nécessitent aucune hypothèse sur les variables.
  • Les réseaux de neurones artificiels sont parfaitement adaptés pour traiter des problèmes complexes non structurés (problèmes sur lesquels il est impossible de définir la relation entre les variables utilisées).


Les dates clés

modifier
Date Auteur(s) Apport
1890 W. James Concept de mémoire associative - Loi de fonctionnement pour l'apprentissage
1943 W. McCulloch et W. Pitts Modélisation du neurone biologique en neurone formel
1949 D. Hebb Règle de Hebb[1]
1957 F. Rosenblatt Modèle du Perceptron[2] - Premier neuro-ordinateur
1960 B. Widrow Modèle ADALINE[3] (ADAptative LINear Element) inspiré du Perceptron
1969 M. Minsky et S. Papert Mise en avant des limites du Perceptron - Abandon des recherches
1967-1982 S. Grossberg, T. Kohonen, etc. Poursuite déguisée des recherches
1982 J. J. Hopfield Modèle de Hopfield[4] - Théorie du fonctionnement et des possibilités des réseaux de neurones
1983 Machine de Boltzmann
1985 Rumelhart et Y. LeCun Réseaux de neurones multicouches[5] - Rétropropagation du gradient[6]

Annexes

modifier

Voir aussi

modifier

Sur Wikipédia

modifier

Sur Wikiversity

modifier

Bibliographie

modifier
  • Pierre Borne, Mohamed Benrejeb, Joseph Haggège, Les réseaux de neurones - Présentation et applications, Editions Technip, coll. « Méthodes et pratiques de l'ingénieur », Paris, 2007 (ISBN 9782710808961)
  • Léon Personnaz, Isabelle Rivals, Réseaux de neurones formels pour la modélisation, la commande et la classification, CNRS Editions, coll. « Sciences et techniques de l'ingénieur », Paris, 2003 (ISBN 2271061032)

Travaux

modifier
  • Claude Touzet, Les réseaux de neurones artificiels - Introduction au connexionnisme - Cours, exercices et travaux pratiques, 1992 PDF
  • Gérard Petitjean, Introduction aux réseaux de neurones PDF
  • Philippe Paquet, L'utilisation des réseaux de neurones artificiels en finance, IAE d'Orléans, document de recherche n°1997-1, 1997 PDF
  • Bertrand Liaudet, Cours de Datamining - 8 : Modélisation, réseaux de neurones et de Kohonen, 2008 PDF
  • Fabien Tschirhart, Réseaux de neurones formels appliqués à l'intelligence artificielle et au jeu, Paris, 2010 PDF
  • Projet scientifique collectif, Application d'un réseau de neurones à la prédiction d'un cours de bourse, 2006 PDF
  • Marie Cottrell, Les réseaux de neurones : historique, méthodes et applications, Université Paris Sorbonne PDF
  • Les réseaux de neurones PDF
  • Apprentissage des réseaux de neurones et régularisation « PDF »

Sitographie

modifier

Références

modifier
  1. Voir Règle de Hebb
  2. Voir Perceptron
  3. Voir ADALINE
  4. Voir Réseau de neurones de Hopfield
  5. Voir Perceptron multicouche
  6. Voir Rétropropagation du gradient